天津理工大学学报

2020, v.36;No.161(04) 28-32

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于改进自回归移动平均算法的能耗预测
Energy consumption prediction based on improved autoregressive smooth moving algorithm

刘宏利;高子鹏;

摘要(Abstract):

本文针对经验模态分解算法与自回归移动平均算法两种结合模型(EMD-ARMA)预测数据准确度不足的问题,运用经验模态分解算法(EMD)、自回归移动平均模型(ARMA)和多项式拟合模型三者相结合的方法对小样本电能能耗数据进行预测,最终提高预测结果的准确度.本文首先利用经验模态分解算法对原始能耗数据样本进行分解,提取该能耗样本不同频率的特征分量(IMFx);然后设定频率阈值,针对高频分量和低频分量建立不同的拟合模型;最终将分量预测结果进行合成,得到总体预测结果.仿真结果表明,EMD-ARMA模型的平均绝对误差1.984 2,本文模型的平均绝对误差1.616 8,提高了预测结果的准确度.

关键词(KeyWords): 经验模态分解;自回归移动平均模型;能耗预测;多项式拟合

Abstract:

Keywords:

基金项目(Foundation): 天津市科技计划项目(15ZXZNGX00140);; 天津市应用基础研究计划项目(16JCTPJC49400)

作者(Author): 刘宏利;高子鹏;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享